[发明专利]一种基于改进型决策树算法的路况信息预测方法

摘要

本发明公开了一种基于改进型决策树算法的路况信息预测方法，包括：基于道路连通力的影响因子确定分析道路连通力的属性；采集道路数据，数据预处理，计算信息熵，计算各属性的属性熵，基于关联函数计算各属性的关联函数值，基于各属性的关联函数值计算各属性的权重值；基于信息熵、各属性的属性熵和各属性的权重值计算各属性的信息增益，根据各属性信息增益的大小进行排序构建决策树，并根据决策树预测道路路况。本发明通过计算属性的关联函数值，同信息熵展开运算得出的属性权重值来构建决策树，可以克服传统ID3算法倾向于将选取具有更多可能取值的元素作为高权重属性的问题，利用构建的决策树去预测下一时段的道路拥堵改善程度。

主权项

1.一种基于改进型决策树算法的路况信息预测方法，其特征在于，包括：步骤1、确定道路连通力的影响因子，所述影响因子包括车道长度Rl、车道数Rs、车道宽度Rd、红绿灯数Rx、连续行驶平均长度Rl*、路段路口数Ln、连接路段数Lr、路段是否含公交车站Bs和行车变道指数Le；步骤2、基于步骤1的影响因子确定分析道路连通力的属性，所述属性包括道路容量Rm、车道宽度Rd、期望等候时间Ts、道路平均转向数Lg、连续行驶平均长度Rl*、路段是否含公交车站Bs和行车变道指数Le；步骤3、采集道路数据；步骤4、数据预处理：剔除不合要求的数据与数据修补；步骤5、基于采集的道路数据计算信息熵E(S)；式中：S为道路数据的训练集样本，其包含n个类别的样本，分别用C1，C2，…，Cn表示；pi表示类Ci的概率；步骤6、基于采集的道路数据计算各属性的属性熵E(S,A)；其中，Si表示根据属性A划分的训练集样本的第i个子集，|S|和|Si|分别表示S和Si中的样本数目；步骤7、基于关联函数计算各属性的关联函数值CF(A)；式中：Xim‑1与Xim为参数Xij的特定值，下标j表示属性A的每一种情况，i表示数据每一种取值情况，n为数据总量；步骤8、基于各属性的关联函数值CF(A)计算各属性的权重值；式中：m为属性数量，CF(1)、CF(2)…CF(m)分别为每个属性的关联函数值；步骤9、基于信息熵E(S)、各属性的属性熵E(S,A)和各属性的权重值Wg(A)计算各属性的信息增益Gain′(S,A)；Gain′(S,A)＝(E(S)‑E(S,A))*Wg(A)步骤10、根据各属性信息增益的大小进行排序构建决策树，并根据决策树预测道路路况。